神经网络对离散数据的本质逼近能力及在宁东能源化工基地环评中的应用

目前关于神经网络拓扑结构与本质逼近能力的研究仅仅涉及到网络对一些具有很好性质的函数类的逼近，而现实中最常见的是大量隐含着有价值信息的离散数据，我们无法将其归入上述的函数类，因此针对离散数据，设计拓扑结构简单的神经网络新模型及逼近算法具有重要的理论意义和广泛的应用前景。本项目将深入研究神经网络对离散数据的本质逼近能力及其在宁东能源化工基地环评中的应用。具体任务包括：设计具有高精度逼近能力的神经网络新模型和新算法；研究该类神经网络对离散数据逼近速度的上、下界估计和本质逼近阶估计；刻画所构造的神经网络对离散数据的本质逼近能力的极限行为与网络拓扑结构、离散数据信息质量之间的相依关系；将定性分析与定量分析相结合，为宁东煤电化企业环保工作评价和改进煤电化企业污染防治措施提供决策参考。另外，设计求解这些模型的优化算法时，必须设计高效、可信的智能优化算法，这是目前相关研究所没有的。

本项目按照申请书原订计划，对人工神经网络逼近离散数据及其在宁东能源化工基地环评中的应用进行了较系统的研究。所针对的前向人工神经网络模型包括一类径向基函数神经网络、推广的切比雪夫多项式神经网络、过程神经元网络、BP人工神经网络及支持向量机等类型，主要完成了如下工作：1. 针对离散的BB系数数据，构造一类径向基函数神经网络模型逼近该离散数据，并确定逼近速度的上、下界估计和网络本质逼近阶。2. 采用多元函数逼近理论， 数值逼近理论， 以离散数据k 元一阶元规则空间性质、元规则的支持度及置信度等来刻画离散数据的信息质量，运用隐层神经元个数，元规则的空间属性集的上、下界估计尺度等作为误差度量工具。并构造了一类基于楔形函数的径向基神经网络对BB系数的拉格朗日插值、牛顿插值和埃尔米特插值公式。还构造出了具有最低阶数的一类基于楔形函数的径向基函数神经网络且满足插值唯一性，并给出了寻找具有最低阶数的该类神经网络的学习算法。3.建立了一类基于推广的切比雪夫多项式的前向人工神经网络模型，利用从宁东能源化工基地收集的环境数据对其加以学习训练与检验，并刻画了本质逼近能力。4.将多聚合过程神经元网络与粒子群算法有效结合起来，建立了一个新的基于离散粒子群的多聚合过程神经元网络模型及相关算法，在时间、空间上对该模型进行多次训练与学习，并将其应用于对宁东大气环境中 、 浓度的预测。5. 利用宁东能源化工基地PM10和气象参数监测小时数据，采用LS-SVR、BP-ANN和传统MLR模型预测PM10小时平均浓度。结果表明：较BP-ANN模型及MLR模型，LS-SVR模型能更好刻画PM10浓度与各气象因素间的非线性相依关系，更准确地预测了宁东基地PM10浓度。利用LS-SVR模型分析了主要气象因素的影响，给出了相关建议。6.依据主客观因素，选取11个符合宁东基地实情的评价指标，构建生态环境脆弱性评价的SVM模型. 把生态环境脆弱性评价看成是一个分类问题，将GA嵌入SVM中以优化其结构参数，利用SVM良好的逼近能力和高精度的分类性能评价对宁东能源化工基地的生态环境脆弱程度进行了评价。研究结果在核心以上级别刊物上发表论文18篇，其中被SCI检索7篇，EI检索6篇。参加了三次神经网络及环境方面的国际学术会议，以本项目内容做选题，指导3名研究生完成了硕士学位论文。